经常有人问, Meta分析需要有多少个研究案例才行。对于这个问题，从统计的角度来讲，似乎没有什么标准答案。案例数量，当然是越多越好，越多，你可以进行的分析也就越丰富，能回答的问题就越多，结论通常也更可靠。那么当你的案例数比较少的时候，是否也可以进行Meta分析呢？我们看这篇最新发表在Annual Review of Medicine这一猛刊上的案例,能够给我们提供一些参考 (Gould et al. 2024)。

这篇文章采用Meta分析研究了人暴露于野火的烟雾中造成的死亡、住院、心血管疾病，呼吸系统急诊等等各种健康风险效应。从其图1上看，每种健康效应评估用到的案例的个数都相当少，其中案例最多的因呼吸疾病住院案例研究也只有10个（df=9）. 心血管急诊就诊研究案例更是只有4个(df=3), 从技术上讲，这应该就是可以开展Meta分析的案例个数的下限了。不过案例个数少，并没有影响这些结果发表在顶级期刊上。

      因为案例个数极少，所以该论文Meta分析部分统计也非常简单，采用了随机效应模型和限制性最大似然法对累计效应值进行估计。同时用I2对案例间异质性程度进行了评估，用漏斗图及Egger’s regression test评估发表偏爱性。所以所这篇Meta分析虽然精简（没有引入任何解释变量，只是计算了不同情况下的累计效应值），但也是面面俱到，五脏俱全，不失为极简Meta分析的一个代表性案例。

其统计方法部分的描述也相当简洁到位，这里贴出来，供大家参考：

Study-specific estimates were pooled using a random-effects maximum likelihood (REML) estimation approach implemented using the “metafor” package (version 2) in R (version 4.2.2) .We generated study-specific pooled estimates using REML in the case that studies provided multiple effect estimates (e.g., one estimate per geographic unit). Between-study heterogeneity was assessed using I2, which is estimated as the fraction of total heterogeneity explained by between-study heterogeneity. Publication bias was assessed using the Egger’s regression test for funnel plot asymmetry, which tests for the presence of a relationship between observed effect sizes and standard errors.

 参考文献：

Gould, C. F., S. Heft-Neal, M. Prunicki, J. Aguilera, M. Burke, and K. Nadeau. 2024. Health Effects of Wildfire Smoke Exposure. Annual Review of Medicine 75:null.

     另外，本人的第19期 Meta分析理论与实战培训班（线上直播）将于本周末（2024年1月13-14日）举办，欢迎感兴趣的朋友关注。网页链接：https://mp.weixin.qq.com/s/oSGXbekAljsrOjevTviWRw